Boo's Blog

Stay foolish, Stay hungry

从根本上来讲git是一个内容寻址(content-addressable)文件系统,并在此之上提供了一个版本控制系统的用户界面。

所有的 git 仓库的根目录下面都有个 .git 文件, 它默认是隐藏的,.git 文件夹结构如下:

各文件里面存储的内容:

文件夹 类型 作用
hooks 文件夹 包含客户端或服务端的钩子脚本; 我们最常用的就是pre-commit钩子了
info 文件夹 包含一个全局性排除文件
logs 文件夹 保存日志信息; git reflog 展示的内容
objects 文件夹 目录存储所有数据内容, 这就是实际意义上的 git数据库, 存数据的地方; 并且存了所有的历史记录
refs 文件夹 目录存储指向数据(分支、远程仓库和标签等)的提交对象的指针
config 文件 包含当前项目特有的配置选项
description 文件 用来显示对仓库的描述信息,文件仅供 GitWeb 程序使用,我们无需关心
HEAD 文件 它文件通常是一个符号引用(symbolic reference),指向目前所在的分支。某些罕见的情况下,HEAD 文件可能会包含一个 git 对象的 SHA-1 值
index 文件夹 文件保存暂存区信息
FETCH_HEAD 文件 git fetch; 这将更新git remote 中所有的远程repo 所包含分支的最新commit-id, 将其记录到.git/FETCH_HEAD文件中
packed-refs 文件 对refs打包后(git gc)的存储文件, 与底层命令git pack-refs

所有的数据对象均存储于项目下面的 .git/objects 目录中,那么.git/objects 文件夹里面究竟存了些什么?

Git 对象

版本库中的每一个文件,不论是图片、源文件还是二进制文件,都被映射为一个 Blob 对象。除了 Blob 对象,在 Git 的文件系统中还存储着另外三种数据对象:

  1. 树对象(tree)
  2. 提交对象(commit)
  3. 标签对象(tag)

Blob 对象

Blob 是英文 Binary large object 的缩写,一个 Blob 对象就是一段二进制数据。

1
2
3
4
5
6
$ echo -n "print 'hello git'" > index.md
$ git add index.md
$ find .git/objects -type f
.git/objects/pack/pack-d9624c66acb04fcc36857b02d1d36590efb8d18f.pack
.git/objects/pack/pack-d9624c66acb04fcc36857b02d1d36590efb8d18f.idx
.git/objects/42/a3276feefd4f52d48aa831db535d6e81b6e0fb

查看数据对象的类型:

1
2
git cat-file -t 42a3276feefd4f52d48aa831db535d6e81b6e0fb
blob

查看数据对象的内容:

1
2
git cat-file -p 42a3276feefd4f52d48aa831db535d6e81b6e0fb
print 'hello git'%

为了把文件映射为 Blob 对象,Git 做了下面这些工作:

  1. 读取文件内容,添加一段特殊标记到头部,得到新的内容,记为 content;
  2. 对该 content 执行 SHA-1 加密,得到一个长度为40字符的 hash 值,例如 64fe72272a79bff953d7de2062d3f52b4679c659;
  3. 取该 hash 值的前两位作为子目录,剩下的38位作为文件名,在本例中,子目录名是’64/‘,文件名是’fe72272a79bff953d7de2062d3f52b4679c659’;
  4. 对 content 执行 zip 压缩,得到新的二进制内容,存入文件中。

Tree 对象

Git 使用一种与 UNIX 文件系统相似的方式来管理内容,Blob 相当于磁盘文件,Tree 则相当于文件夹。Tree 中既可以包含 Blob,也可以包含其他 Tree。

向版本库中提交当前的修改:

1
git commit -m "first commit"

会发现 .git/objects 目录下面多出了两个对象:

1
2
3
4
5
6
find .git/objects -type f
.git/objects/93/292574c965d7ecd25f933fdadb646dce75cc24
.git/objects/pack/pack-d9624c66acb04fcc36857b02d1d36590efb8d18f.pack
.git/objects/pack/pack-d9624c66acb04fcc36857b02d1d36590efb8d18f.idx
.git/objects/42/a3276feefd4f52d48aa831db535d6e81b6e0fb
.git/objects/30/31cddff73840bd5e7822c9b7f3b538e7e160bb

这两个对象的类型分别是 commit 和 tree:

1
2
3
4
5
git cat-file -t 93292574c965d7ecd25f933fdadb646dce75cc24
tree

git cat-file -t 3031cddff73840bd5e7822c9b7f3b538e7e160bb
commit

查看 93292574c965d7ecd25f933fdadb646dce75cc24 这个对象的内容:

1
2
3
4
git cat-file -p 93292574c965d7ecd25f933fdadb646dce75cc24
...
100644 blob 42a3276feefd4f52d48aa831db535d6e81b6e0fb index.md
...

可见这颗树就相当于项目的根目录。

Commit 对象

一个 Commit 对象代表了一次提交对象,它包含了下面这些信息:

  • 何人何时作了该次提交
  • 该次提交的简略说明
  • 一棵树
  • 父级 Commit 对象

其中,这颗树也被称作项目快照(snapshort),通过项目快照,我们可以把项目还原成项目在该次提交时的样子。一般来说,commit 对象总有一个父级 commit 对象,一个又一个 commit 对象通过这种方式链接起来,就构成了一条提交历史。第一次提交的 commit 对象没有父级 commit 对象,分支合并所产生的新的 commit 对象可以有两个或者多个父级 commit 对象。

例如,3031cddff73840bd5e7822c9b7f3b538e7e160bb 这个 Commit 对象的内容为:

1
2
3
4
5
6
7
git cat-file -p 3031cddff73840bd5e7822c9b7f3b538e7e160bb
tree 93292574c965d7ecd25f933fdadb646dce75cc24
parent 3c46f2d56ee15502cabeda97d6f44a95289c8804
author Boo <aikangtongxue@gmail.com> 1651542437 +0800
committer Boo <aikangtongxue@gmail.com> 1651542437 +0800

first commit

此时版本库中,Commit、Tree、Blob 三者之间的关系如下图所示:

Tag 对象

Tag 指向一次特征提交。

在 Git 中有两种 tag,第一种 tag 并不在 .git/objects 目录下面创建新的对象,只是在 .git/refs/tags 目录中新建一个文件,文件的内容就是所指向的 commit 对象的 hash 值:

1
2
3
4
5
$ git tag v0.1
$ find .git/refs/tags -type f
.git/refs/tags/v0.1
$ cat .git/refs/tags/v0.1
3031cddff73840bd5e7822c9b7f3b538e7e160bb

另一种 tag 则会在 .git/objects 目录下面创建对象,这种 tag 被称作注解标签(annotated tag):

1
2
3
4
5
6
7
8
$ git tag -a v0.2 -m "Version 0.2"
$ find .git/objects -type f
.git/objects/93/292574c965d7ecd25f933fdadb646dce75cc24
.git/objects/pack/pack-d9624c66acb04fcc36857b02d1d36590efb8d18f.pack
.git/objects/pack/pack-d9624c66acb04fcc36857b02d1d36590efb8d18f.idx
.git/objects/42/a3276feefd4f52d48aa831db535d6e81b6e0fb
.git/objects/30/31cddff73840bd5e7822c9b7f3b538e7e160bb
.git/objects/cd/542f02e1b07b78a11534c68b1d334365effc65

查看数据对象类型及内容:

1
2
3
4
5
6
7
8
9
$ git cat-file -t cd542f02e1b07b78a11534c68b1d334365effc65
tag
$ git cat-file -p cd542f02e1b07b78a11534c68b1d334365effc65
object 3031cddff73840bd5e7822c9b7f3b538e7e160bb
type commit
tag v0.2
tagger Boo <aikangtongxue@gmail.com> 1651543206 +0800

Version 0.2

总结

在 Git 的底层,有四种数据结构,它们分别是:

  • Blob
  • Tree
  • Commit
  • Tag

Git 把版本库中的每一个文件都转换为一个 blob 对象进行存储,而用 tree 对象来表达文件的层次结构。

Commit 对象代表了一次提交操作,它包含了当前的项目快照以及提交人和提交日期等诸多信息。所有的 commit 对象串接起来,组成一个有向无环图。从版本控制的角度看,这些 commit 对象构成了一个完整的版本提交记录;从项目开发的角度看,它们描述了项目是如何从无到有一点一滴地构建起来的。

Tag 对象指向一个 commit 对象,我们可以通过 tag 对象快速访问到项目的某一次特征提交。

参考链接

评论